ANN负荷预测数据样本集产生方法的研究

作者：侯颖君，黄民翔 日期：2007-10-24/span> 浏览：3730 查看PDF文档

ANN负荷预测数据样本集产生方法的研究

侯颖君，黄民翔
（浙江大学 电气工程学院，浙江 杭州 310027）

摘要：数据样本集的好坏直接影响着神经网络的训练速度和预测精度。主要研究了人工神经网络（ANN）中长期电力负荷预测中产生样本数据集的两个步骤：变量选择和数据处理。通过对已有的变量选择方法和数据处理方法进行分析对比，得出将样本数据变换至［-0.5,0.5］区间后能够有效地提高预测精度的结论；并引入常规预测方法中的年份预测法（即用年份作为神经网络的输入变量进行预测）。通过实际算例计算，证明了分析结论的正确性和神经网络预测中年份预测法的可行性及有效性。
关键词：中长期负荷预测；BP神经网络；数据处理方法；变量选择方法；年份预测法
中图分类号：TM715文献标识码：A文章编号：1001-4551(2007)09-0105-04

Study on the approach of forming data set for ANN in load forecasting
HOU Yingjun, HUANG Minxiang
(College of Electrical Engineering, Zhejiang University, Hangzhou 310027, China)
Abstract: Whether the data set stand or fall affects the training rate and the forecasting precision of neural network directly. Data processing and inputvariables selecting which are the two steps in forming data set were studied while applying artificial neural network（ANN） to mid and longterm electric load forecasting. Through analyzing the approaches of processing data and selecting inputvariables that other people has brought forward, the conclusion was drawn that transform the sample data to ［-0.5,0.5］ can improve the forecasting precision efficiently ,and import the approach of selecting inputvariables called yearforecastmethod, which used years as inputvariable to forecast, that has been used in other traditional methods of load forecasting. Simulated results prove the veracity of the conclusion and the feasibility of the approach that imported into ANN.
Key words: load forecasting; BP neural network; data processing method; variable selecting method; yearforecastmethod
参考文献(Reference)：
［1］PARK D C．Electric load forecasting using an artificial neural network［J］．IEEE Transactions on PWRS，1991，6(2)：442-449．
［2］牛东晓，曹树华，赵磊，等.电力负荷预测技术及其应用［M］.北京：中国电力出版社，1998.
［3］孙增圻.智能控制理论与技术［M］.北京：清华大学出版社；南宁：广西科学技术出版社，2002.
［4］罗安，王加阳，陈艳.中长期电力负荷神经网络预测方法的实现［J］.电子计算机，2001，8(151)：57-58.
［5］陈平，漆文邦，何富刚.BP神经网络算法在年电力负荷预测中的应用［J］.四川水利，2005(1)：23-25.
［6］王君亮，章健.基于多因素影响的负荷预测神经网络方法［J］.河南科学，2004，22(3)：313-316.
［7］何述东，瞿坦，黄心汉.电力负荷短期预测的改进神经网络方法［J］.电力系统自动化，1997，21(11)：13-14.
［8］王晓文.改进的BP算法及其在短期负荷预测中的应用［J］.东北电力技术，1999(9)：27-29.
［9］王树谦，魏德华，胡浩云.多层前向人工神经网络［M］.郑州：黄河水利出版社，1999.
［10］高隽.人工神经网络原理及仿真实例［M］.北京：机械工业出版社，2003.
［11］GROSS G, GALIANA F D. Short term load forecasting［J］. Proc.IEEE,1987,75(12):1553-1573.